R语言（第2版）

本书通过Titanic 数据分析案例，深入浅出地介绍了R 语言在大数据分析应用中的相关知识，包括：数据准备、数据清洗、数据探索、数据变换、特征工程、数据建模、模型评估、模型部署等。全书共13章，第1～3 章介绍R 语言的开发环境和基本语法；第4～8 章按数据分析生命周期讨论R语言的实现；第9 章高级编程相对独立，主要解决复杂问题可能用到的程序结构；第10、11 章与机器学习有关，内容偏难，但通过Rattle 包回避了算法底层技术的难点；第12、13 章通过两个实际项目，让读者体验数据处理的全过程以及业务对分析的重要性。本书力求以简洁、精练、理论与实践相结合的方式，让读者快速掌握R 语言。 本书既可作为数据分析相关课程的教材，也可作为数据分析爱好者的参考资料。

    刘鹏，清华大学博士毕业，现任南京云创大数据科技股份有限公司总经理，兼任中国大数据应用联盟人工智能专家委员会主任、中国信息协会教育分会人工智能专家委员会主任、全国普通高校毕业生就业创业指导委员会委员、第45届世界技能大赛中国区云计算选拔赛裁判长/专家指导组组长、2019年全国大学生数据建模比赛命题人、工信部云计算研究中心专家。     程显毅，工学博士，南通大学教授。硅湖职业技术学院特聘教授。江苏省人工智能学会监事会监事，江苏省微电脑学会人工智能专委会副主任委员。长期从事人工智能、自然语言理解领域的教学研究工作。主持国家自然科学基金项目2项。发表论文100多篇、出版教材6部、专著5部。

第1 章 绪论

1.1 R 语言概述  1

1.1.1 R 语言现状  1

1.1.2 R 语言主要优势  2

1.1.3 学R 语言的理由  3

1.2 新手上路  4

1.3 R 语言开发环境部署  5

1.3.1 安装R  5

1.3.2 安装RStudio  6

1.4 获取帮助  8

1.5 工作空间  8

1.6 脚本  9

1.7 R 包  9

习题  10

第2 章 基本语法

2.1 变量  11

2.1.1 变量及其作用  11

2.1.2 变量命名  12

2.1.3 变量赋值  12

2.1.4 变量值输出  12

2.2 常量  13

2.2.1 逻辑常量  13

2.2.2 符号常量  13

2.2.3 标量  13

2.3 向量  15

2.3.1 向量产生  15

2.3.2 向量引用  16

2.3.3 向量化运算  16

XII R 语言（第2 版）

2.3.4 向量排序  17

2.4 运算符  18

2.4.1 算术运算符  18

2.4.2 关系运算符  18

2.4.3 逻辑运算符  19

2.4.4 其他运算符  20

2.5 命令  20

2.6 重要内置函数  21

习题  23

第3 章 数据类型

3.1 基本数据类型  27

3.2 结构数据类型  28

3.2.1 矩阵  28

3.2.2 数组  30

3.2.3 数据框  32

3.2.4 因子  33

3.2.5 列表  34

3.3 字符串操作  35

3.3.1 分割  35

3.3.2 拼接  35

3.3.3 正则表达式  36

3.3.4 替换  39

3.3.5 提取  42

3.3.6 测定字符串长度  42

3.3.7 匹配  43

3.4 数据类型判断和转换  43

3.5 日期和时间数据操作  44

3.5.1 日期数据基本操作  44

3.5.2 时间数据基本操作  45

习题  45

第4 章 数据导入导出

4.1 数据导入  49

4.1.1 键盘输入数据  49

目 录 XIII

4.1.2 导入文本文件  50

4.1.3 导入csv 文件  51

4.1.4 导入Excel 文件  51

4.1.5 导入数据库文件  51

4.2 数据导出  52

4.2.1 导出文本文件  52

4.2.2 保存图片  53

习题  53

第5 章 数据可视化

5.1 一图胜千言  55

5.2 低水平绘图命令  56

5.2.1 点图  56

5.2.2 线图  58

5.2.3 面图  60

5.3 高水平绘图命令  63

5.3.1 认识ggplot2  63

5.3.2 几何对象  63

5.3.3 映射  64

5.3.4 统计对象  66

5.3.5 标度  67

5.3.6 分面  68

5.3.7 其他修饰  69

5.4 交互式绘图命令  72

5.4.1 rCharts 包  72

5.4.2 plotly 包  74

5.4.3 Shiny  76

5.5 数据可视化图形选择建议  83

习题  84

第6 章 数据清洗

6.1 缺失值分析  87

6.1.1 缺失值检测  87

6.1.2 缺失数据处理  88

6.2 异常值分析  89

XIV R 语言（第2 版）

6.2.1 箱线图检测离群点  89

6.2.2 点图检测离群点  90

6.3 数据去重  91

6.4 规范化  92

6.4.1 数据的中心化  92

6.4.2 数据标准化  92

6.5 格式转换  93

习题  95

第7 章 数据探索

7.1 单一变量分析  97

7.1.1 定量变量  97

7.1.2 定性变量  99

7.2 双变量分析  100

7.2.1 一个定性变量和一个定量变量  100

7.2.2 两个定性变量  100

7.2.3 两个定量变量  101

7.3 多变量分析  102

7.3.1 集中趋势度量  102

7.3.2 离中趋势度量  103

7.4 相关分析  104

7.4 1 相关系数  104

7.4.2 直接绘制点图  105

7.4.3 绘制点图矩阵  106

习题  106

第8 章 数据变换

8.1 数据集划分与选择  109

8.1.1 数据集划分  109

8.1.2 数据集选择  110

8.2 特征工程  110

8.2.1 特征工程概述  110

8.2.2 特征构建  111

8.2.3 特征选择  112

8.2.4 特征抽取  115

8.2.5 自动化特征工程  117

8.3 数据整合  118

8.3.1 通过向量化重构数据  119

8.3.2 为数据添加新变量  119

8.3.3 变形与融合  120

8.3.4 列联表  123

8.3.5 分组汇总  123

8.3.6 连接表  125

习题  127

第9 章 高级编程

9.1 条件表达式  131

9.2 选择结构  132

9.3 循环结构  135

9.4 用户自定义函数  138

习题  139

第10 章 数据建模

10.1 Rattle 包  141

10.2 变量的类别  143

10.3 聚类分析  145

10.3.1 背景  145

10.3.2 K-means 聚类  146

10.3.3 层次聚类  148

10.4 关联规则挖掘  150

10.4.1 背景  150

10.4.2 基本术语  151

10.4.3 关联规则的分类  152

10.4.4 Apriori 算法  153

10.4.5 实验指导  154

10.5 传统决策树模型  156

10.5.1 背景  156

10.5.2 ID3 算法  157

10.5.3 C4.5 算法  158

10.5.4 实验指导  159

XVI R 语言（第2 版）

10.6 随机森林决策树模型  161

10.6.1 背景  161

10.6.2 随机森林算法  161

10.6.3 实验指导  163

10.7 自适应选择决策树模型  166

10.7.1 背景  166

10.7.2 Boosting 算法  166

10.7.3 adaboost 算法  167

10.7.4 实验指导  167

10.8 SVM 171

10.8.1 背景  171

10.8.2 SVM 算法  171

10.8.3 实验指导  173

10.9 线性回归模型  174

10.9.1 背景  174

10.9.2 一元线性回归方法  174

10.9.3 实验指导  176

10.10 神经网络模型  177

10.10.1 背景  177

10.10.2 人工神经网络模型  178

10.10.3 实验指导  179

习题  181

第11 章 模型评估

11.1 Rattle 模型评估选项卡  185

11.2 混淆矩阵  186

11.2.1 二分类混淆矩阵  186

11.2.2 模型评价指标  187

11.2.3 多分类混淆矩阵  188

11.3 风险图  188

11.3.1 风险图的作用  188

11.3.2 实验指导  188

11.4 ROC 曲线  190

11.4.1 ROC 曲线概述  190

11.4.2 ROC 曲线的作用  190

11.4.3 实验指导  190

11.5 交叉验证  192

习题  193

第12 章 影响大学平均录取分数线因素分析

12.1 背景与目标  195

12.2 数据说明  195

12.3 描述性分析  196

12.4 数据建模  199

12.5 总结  201

第13 章 收视率分析

13.1 背景介绍  202

13.2 数据说明  202

13.3 描述性分析  203

13.4 数据建模  209

13.5 总结  212

参考文献

附录A

附录B